摘要：提出一种基于观测器的故障检测滤波器的非凸多目标优化设计方法.针对线性时不变动态系统,构建一个由输出观测器和后滤波器组成的故障检测滤波器,将其残差动态特性描述为非凸的双线性矩阵不等式形式.利用双线性矩阵不等式中可完全平方非正定项的上界替代原非正定项,将双线性矩阵不等式转化为一组线性矩阵不等式,进而获得多目标优化问题的可解条件以及观测器增益与后滤波器矩阵的求解方法.仿真算例说明了算法的有效性.

摘要：基于给定的性能指标函数 ,将受模型不确定性和范数有界未知输入影响的线性不确定系统的基于观测器的鲁棒故障检测滤波器设计问题归结为H∞ 优化问题 ,并通过选取适当的后置滤波器和观测器增益矩阵 ,使产生的残差达到对于未知输入和模型不确定性的鲁棒性与对于故障的灵敏度的最佳均衡 .简例验证了本文提出算法的有效性 .

摘要：大多数现有的鲁棒故障诊断系统集成设计方法都采用基于 2范数的残差评价函数。本文首先讨论了以 2范数作为残差评价函数的问题 ,然后提出了一种新的残差评价函数 ,并以此为基础 ,进一步提出了相应的故障诊断系统集成设计方法。它可以有效地解决现有的基于 2范数方法的问题 。

摘要：《试验报告统一标准》(Consolidated standards of Reporting Trials,CONsORT)2010声明提供了报告随机试验的最低准则。它的广泛使用有助于保证评估新的干预措施的透明性。最近,人们越来越认识到,涉及人工智能(artificial intelligence,AI)的干预需要经过严格的前瞻性评估,以明确其对健康的影响。《人工智能试验报告统一标准》(Consolidated standards of Reporting Trials Artificial Intelligence,CONsORT-AI)是一个新的临床试验报告指南,用以评估具有AI成分的干预。它是与《人工智能干预试验方案报告标准》(standard ProtocolItems:Recommendations forI nterventional Trials-Artificial Intelligence,sPIRIT-AI)同步编制的。这两项指南的编制通过分阶段的文献回顾和专家咨询等过程达成共识,产生29项候选条目。由国际多方利益相关者小组在两阶段德尔菲调查(103个利益相关者)中对这些条目进行了咨询,并在共识会议上达成一致意见(31个利益相关者),通过34个试点参与进行改进和优化。CONsORT-AI扩展包括14项新条目,这些新条目对于AI干预非常重要,除了2010年CONsORT声明的核心条目之外,试验报告还应常规包含这些内容。CONsORT-AI建议研究人员提供关于AI干预的清晰描述,包括使用AI所需的说明和技能、AI干预集成环境的设置、输入和输出数据处理的注意事项、人-AI交互和错误案例分析。CONsORT-AI将有助于提高AI干预临床试验方案的透明度和完整性,也有助于编辑、同行评审以及普通读者理解、解释和严格评估临床试验的设计和偏倚风险。

摘要：《干预试验方案报告标准》(standard Protocol Items:Recommendations for Interventional Trials,sPIRIT)2013通过为试验最小条目集的确定提供基于证据的建议,旨在改善临床试验方案报告的完整性。该指南有助于促进新干预措施的透明评估。近年来,人们越来越认识到,涉及人工智能(artificial interlligence,AI)的干预措施需要经过严格的前瞻性临床研究评估,以证明其对健康结局的影响。《人工智能干预试验方案报告标准(standard Protocol Items:Recommendations for Interventional Trials-Artificial Intelligence,sPIRIT-AI)扩展》是一份新的评估AI干预措施的临床试验方案的报告指南。它与配套的《人工智能试验报告统一标准》(Consolidated standards of Reporting Trials-Artificial Intelligence,CONsORT-AI)是同步编制的。这两项指南的编制通过分阶段的文献回顾和专家咨询等过程达成共识,产生26项候选条目。由国际多方利益相关小组在两阶段德尔菲调查(103个利益相关者)中对这些条目进行了咨询,并在共识会议上达成一致意见(31个利益相关者),通过34个试点参与进行了改进和优化。sPI RI T-AI扩展包括15项对AI干预的临床试验方案非常重要的新条目。除sPIRIT 2013的核心条目外,这些新条目也应定期报告。sPIRIT-AI建议研究人员提供关于AI干预的清晰描述,包括使用AI所需的说明和操作技能、AI干预集成环境的设置、输入和输出数据处理的注意事项、人-AI交互和错误案例分析。sPI RI T-AI将有助于提高AI干预临床试验方案的透明度和完整性,也有助于编辑、同行评审以及普通读者理解、解释和严格评估临床试验的设计和偏倚风险。